23941 पेपर
यह शोध पत्र SAMark का प्रस्ताव करता है, जो एक स्व-लंगरयुक्त (self-anchored) टेक्स्ट वॉटरमार्किंग फ्रेमवर्क है, जो स्टेप-स्वतंत्र सिमेंटिक एंकर्स स्थापित करके और मल्टी-चैनल हाइपरबोलिक स्कोरिंग का उपयोग करके पैराग्राफ-स्तरीय पैराफ्रेस प्रतिरोध में मजबूती प्राप्त करता है, जो उच्च पीढ़ी गुणवत्ता बनाए रखते हुए पूर्ववर्ती बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र इवोमैप (EvoMap) एजेंट-टू-एजेंट सहयोग नेटवर्क का पहला बड़े पैमाने पर अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि स्केलेबल विकास को प्राथमिकता देने वाले इसके डिज़ाइन विकल्प, बड़े पैमाने पर उत्पादन को प्रोत्साहित करने वाली रिवॉर्ड संरचनाओं, हेरफेर के प्रति संवेदनशील दोषपूर्ण स्कोरिंग प्रणालियों और अपुष्ट स्व-रिपोर्टिंग के कारण पुन: प्रयोज्यता, विकास और ऑडिटेबिलिटी में महत्वपूर्ण समझौते की ओर ले जाते हैं, जिससे अधिकांश संपत्तियां वास्तविक गुणवत्ता जांच को दरकिनार करने में सक्षम हो जाती हैं।
यह शोध पत्र यह प्रदर्शित करता है कि एक सरल, सीधे तौर पर फाइन-ट्यून किया गया DeBERTa मॉडल 82 एंटिटी प्रकारों में व्यापक-कवरेज PII डिटेक्शन के लिए अधिक जटिल आर्किटेक्चरल और करिकुलम-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है, जो यह सिद्ध करता है कि विविध कार्य-विशिष्ट प्रशिक्षण डेटा, आर्किटेक्चरल जटिलता की तुलना में अधिक महत्वपूर्ण है।
यह शोध पत्र बिलीफ-ऑगमेंटेड जनरेशन (BAG) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो कई सैम्पल की गई प्रतिक्रियाओं से प्राप्त एलएलएम (LLM) की अपनी बिलीफ स्टेट (belief state) का लाभ उठाता है ताकि अस्पष्ट बातचीत में उत्तर देने, स्पष्टीकरण माँगने या परहेज करने का स्वायत्त रूप से निर्णय लिया जा सके, जिससे मानक प्रॉम्प्टिंग की तुलना में सटीकता और स्ट्रैटेजी फेथफुलनेस (strategy faithfulness) में सुधार होता है।
यह शोध पत्र Auto-Robotist को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) LLM एजेंट है जो खोज के निशानों (search traces) को एक स्पष्ट, निरीक्षण योग्य प्राकृतिक-भाषा कौशल लाइब्रेरी में संकुचित (distill) करके स्मृतिहीन विकासवादी रोबोट डिजाइन को एक हस्तांतरणीय प्रक्रिया में बदल देता है, जिससे खोज दक्षता में उल्लेखनीय सुधार होता है और विभिन्न डिज़ाइन स्पेसों में सफल ज्ञान हस्तांतरण सक्षम होता है।
TTPrint एक नवीन ढांचा है जो एक "डाइवर्ज-देन-कन्वर्ज" (विचलित-फिर-अभिसरण) रणनीति को अपनाकर साइबर थ्रेट इंटेलिजेंस रिपोर्टों से MITRE ATT&CK तकनीकों के निष्कर्षण में सुधार करता है, जिससे यह पहले विशिष्ट साक्ष्यों पर आधारित संभावित व्यवहारों की व्यापक रूप से पहचान करता है और फिर आधिकारिक परिभाषाओं के विरुद्ध उनका कड़ाई से सत्यापन करता है, जिससे यह रिकॉल और प्रिसिजन दोनों में मौजूदा तरीकों से काफी बेहतर प्रदर्शन करता है।
MuCRASP विजन-लैंग्वेज मॉडल्स के लिए एक नवीन स्ट्रक्चर्ड प्रूनिंग फ्रेमवर्क है जो रीजनिंग-क्रिटिकल पिवट टोकन्स की पहचान करके और क्रॉस-मोडल एक्टिवेशन अंतरों को संबोधित करके मल्टीमॉडल चेन-ऑफ-थॉट रीजनिंग सटीकता को संरक्षित करता है, और उच्च संपीड़न दरों पर भी मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र ज्योमेट्रिक इवोल्यूशन मैप्स (GEMs) को प्रस्तुत करता है, जो विविध आर्किटेक्चरों में पारंपरिक फिक्स्ड-लेयर या पीक-स्कोर दृष्टिकोणों की तुलना में अधिक विश्वसनीय कॉन्सेप्ट प्रोब्स निकालने के लिए ट्रांसफॉर्मर रेसिडुअल स्ट्रीम्स में अवधारणाओं के दिशात्मक प्रक्षेपवक्र (डायरेक्शनल ट्रॅजेक्टरी) को ट्रैक करता है और उन स्थिर "हैंडऑफ लेयर्स" की पहचान करता है जहाँ निरूपण (रिप्रेजेंटेशन्स) स्थिर होते हैं।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स में एक "कॉज़ल टंग-टाई" (Causal Tongue-Tie) घटना को उजागर करता है जहाँ हिडन स्टेट्स (hidden states) सटीक रूप से कारण संबंधी साक्ष्य को एनकोड करते हैं (लगभग 97% सटीकता), जबकि मॉडल्स के मौखिक हाँ/ना आउटपुट इस ज्ञान को व्यक्त करने में विफल रहते हैं (लगभग 50% सटीकता), जो यह सुझाव देता है कि केवल अंतिम उत्तरों पर आधारित मानक बेंचमार्क मॉडल की वास्तविक कारण तर्क (causal reasoning) क्षमताओं का गलत प्रतिनिधित्व कर सकते।
यह शोध पत्र ARC-AGI-3 सार्वजनिक बेंचमार्क की इस आधार पर आलोचना करता है कि यह गति-गहराई के बीच संतुलन (speed-depth trade-off) की भेद्यता के कारण तुच्छ गैर-बुद्धिमान रणनीतियों द्वारा हल किया जा सकता है, और AERA एजेंट का प्रस्ताव करता है, जो क्रिया दक्षता और सूचना प्राप्ति के बीच संतुलन बनाकर बेहतर प्रदर्शन करने के लिए एक अनुकूलन योग्य "हल करने से पहले अन्वेषण" (explore-before-solve) ढांचे का उपयोग करता है।